## [1] "Informació sobre les variables : State(character) i Customer.Lifetime.Value(numeric)"

##    Arizona California     Nevada     Oregon Washington 
##   7855.485   7962.001   7987.140   8084.560   7970.168 
## [1] "Informació sobre les variables : State(character) i Response(character)"

##             v2
## v1             No  Yes
##   Arizona    1406  234
##   California 2017  359
##   Nevada      725  117
##   Oregon     2114  361
##   Washington  664  102
## [1] "El test de chi^2 entre State i Response val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1.912, df = 4, p-value = 0.7519
## 
## [1] "Informació sobre les variables : State(character) i Coverage(character)"

##             v2
## v1           Basic Extended Premium
##   Arizona     1009      493     138
##   California  1435      732     209
##   Nevada       497      261      84
##   Oregon      1518      729     228
##   Washington   472      225      69
## [1] "El test de chi^2 entre State i Coverage val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 3.6773, df = 8, p-value = 0.885
## 
## [1] "Informació sobre les variables : State(character) i Education(character)"

##             v2
## v1           Bachelor College Doctor High School or Below Master
##   Arizona         495     476     71                  472    126
##   California      744     709     80                  668    175
##   Nevada          246     232     28                  258     78
##   Oregon          736     734    104                  703    198
##   Washington      209     218     30                  238     71
## [1] "El test de chi^2 entre State i Education val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 16.229, df = 16, p-value = 0.4371
## 
## [1] "Informació sobre les variables : State(character) i EmploymentStatus(character)"

##             v2
## v1           Disabled Employed Medical Leave Retired Unemployed
##   Arizona          82     1028            76      45        409
##   California       91     1497           115      81        592
##   Nevada           36      529            44      24        209
##   Oregon          117     1542           106      76        634
##   Washington       31      483            35      20        197
## [1] "El test de chi^2 entre State i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 8.0978, df = 16, p-value = 0.9459
## 
## [1] "Informació sobre les variables : State(character) i Gender(character)"

##             v2
## v1              F    M
##   Arizona     850  790
##   California 1204 1172
##   Nevada      433  409
##   Oregon     1277 1198
##   Washington  400  366
## [1] "El test de chi^2 entre State i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.86663, df = 4, p-value = 0.9293
## 
## [1] "Informació sobre les variables : State(character) i Income(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   37653.85   38088.70   38338.12   37525.51   37973.18 
## [1] "Informació sobre les variables : State(character) i Location.Code(character)"

##             v2
## v1           Rural Suburban Urban
##   Arizona      314     1040   286
##   California   477     1482   417
##   Nevada       170      528   144
##   Oregon       488     1563   424
##   Washington   149      485   132
## [1] "El test de chi^2 entre State i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.93295, df = 8, p-value = 0.9986
## 
## [1] "Informació sobre les variables : State(character) i Marital.Status(character)"

##             v2
## v1           Divorced Married Single
##   Arizona         257     982    401
##   California      354    1401    621
##   Nevada          126     476    240
##   Oregon          375    1435    665
##   Washington      106     434    226
## [1] "El test de chi^2 entre State i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 9.6284, df = 8, p-value = 0.2921
## 
## [1] "Informació sobre les variables : State(character) i Monthly.Premium.Auto(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   91.78537   93.49495   93.81116   93.80687   92.05483 
## [1] "Informació sobre les variables : State(character) i Months.Since.Last.Claim(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   15.14939   14.94865   15.37648   14.87515   15.58486 
## [1] "Informació sobre les variables : State(character) i Months.Since.Policy.Inception(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   47.79451   47.59301   48.49050   48.42949   49.33551 
## [1] "Informació sobre les variables : State(character) i Number.of.Policies(integer)"

##    Arizona California     Nevada     Oregon Washington 
##   3.058537   2.965909   2.764846   2.982626   2.912533 
## [1] "Informació sobre les variables : State(character) i Policy.Type(character)"

##             v2
## v1           Corporate Auto Personal Auto Special Auto
##   Arizona               324          1242           74
##   California            506          1761          109
##   Nevada                187           620           35
##   Oregon                517          1841          117
##   Washington            148           589           29
## [1] "El test de chi^2 entre State i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 5.1684, df = 8, p-value = 0.7394
## 
## [1] "Informació sobre les variables : State(character) i Total.Claim.Amount(numeric)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : State(character) i Vehicle.Class(character)"

##             v2
## v1           Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Arizona              864         27         30         88  304          327
##   California          1219         45         50        136  454          472
##   Nevada               414         14         16         54  162          182
##   Oregon              1218         42         59        132  496          528
##   Washington           395         17         11         26  149          168
## [1] "El test de chi^2 entre State i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 19.312, df = 20, p-value = 0.5017
## 
## [1] "Informació sobre les variables : State(character) i Vehicle.Size(character)"

##             v2
## v1           Large Medsize Small
##   Arizona      169    1160   311
##   California   243    1680   453
##   Nevada        93     561   188
##   Oregon       256    1724   495
##   Washington    82     546   138
## [1] "El test de chi^2 entre State i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 7.4466, df = 8, p-value = 0.4893
## 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Response(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Coverage(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Education(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i EmploymentStatus(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Gender(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Income(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Income és de: 0.027448856036921"
## [1] "La covariancia entre Customer.Lifetime.Value i Income és de: 5708152.37117215"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Location.Code(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Marital.Status(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Monthly.Premium.Auto(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 0.396623110272511"
## [1] "La covariancia entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 93372.073315473"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 0.013663344486676"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 943.675714383575"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 0.0120733599530088"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 2299.76903168807"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Number.of.Policies(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Number.of.Policies és de: 0.0251576703001706"
## [1] "La covariancia entre Customer.Lifetime.Value i Number.of.Policies és de: 411.767167811137"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Policy.Type(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Customer.Lifetime.Value i Total.Claim.Amount és de: 0.216124848807745"
## [1] "La covariancia entre Customer.Lifetime.Value i Total.Claim.Amount és de: 424287.6493556"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Class(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Size(character)"

##    Arizona California     Nevada     Oregon Washington 
##   422.8746   431.8000   438.8436   433.6528   433.6318 
## [1] "Informació sobre les variables : Response(character) i Coverage(character)"

##      v2
## v1    Basic Extended Premium
##   No   4226     2075     625
##   Yes   705      365     103
## [1] "El test de chi^2 entre Response i Coverage val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.6495, df = 2, p-value = 0.7227
## 
## [1] "Informació sobre les variables : Response(character) i Education(character)"

##      v2
## v1    Bachelor College Doctor High School or Below Master
##   No      2091    2006    259                 2030    540
##   Yes      339     363     54                  309    108
## [1] "El test de chi^2 entre Response i Education val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 9.395, df = 4, p-value = 0.05195
## 
## [1] "Informació sobre les variables : Response(character) i EmploymentStatus(character)"

##      v2
## v1    Disabled Employed Medical Leave Retired Unemployed
##   No       290     4397           310      69       1860
##   Yes       67      682            66     177        181
## [1] "El test de chi^2 entre Response i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 720.62, df = 4, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Response(character) i Gender(character)"

##      v2
## v1       F    M
##   No  3562 3364
##   Yes  602  571
## [1] "El test de chi^2 entre Response i Gender val: "
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  v1 and v2
## X-squared = 0.001358, df = 1, p-value = 0.9706
## 
## [1] "Informació sobre les variables : Response(character) i Income(integer)"

##       No      Yes 
## 37679.05 38814.80 
## [1] "Informació sobre les variables : Response(character) i Location.Code(character)"

##      v2
## v1    Rural Suburban Urban
##   No   1450     4201  1275
##   Yes   148      897   128
## [1] "El test de chi^2 entre Response i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 107.58, df = 2, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Response(character) i Marital.Status(character)"

##      v2
## v1    Divorced Married Single
##   No       926    4106   1894
##   Yes      292     622    259
## [1] "El test de chi^2 entre Response i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 105.77, df = 2, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Response(character) i Monthly.Premium.Auto(integer)"

##       No      Yes 
## 92.95900 94.21398 
## [1] "Informació sobre les variables : Response(character) i Months.Since.Last.Claim(integer)"

##       No      Yes 
## 15.15001 14.60784 
## [1] "Informació sobre les variables : Response(character) i Months.Since.Policy.Inception(integer)"

##       No      Yes 
## 48.17312 47.99659 
## [1] "Informació sobre les variables : Response(character) i Number.of.Policies(integer)"

##       No      Yes 
## 2.990615 2.805627 
## [1] "Informació sobre les variables : Response(character) i Policy.Type(character)"

##      v2
## v1    Corporate Auto Personal Auto Special Auto
##   No            1429          5195          302
##   Yes            253           858           62
## [1] "El test de chi^2 entre Response i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.799, df = 2, p-value = 0.2467
## 
## [1] "Informació sobre les variables : Response(character) i Total.Claim.Amount(numeric)"

##       No      Yes 
## 429.0158 445.9222 
## [1] "Informació sobre les variables : Response(character) i Vehicle.Class(character)"

##      v2
## v1    Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   No           3543        134        139        355 1309         1446
##   Yes           567         11         27         81  256          231
## [1] "El test de chi^2 entre Response i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 18.586, df = 5, p-value = 0.002295
## 
## [1] "Informació sobre les variables : Response(character) i Vehicle.Size(character)"

##      v2
## v1    Large Medsize Small
##   No    685    4839  1402
##   Yes   158     832   183
## [1] "El test de chi^2 entre Response i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 23.552, df = 2, p-value = 7.686e-06
## 
## [1] "Informació sobre les variables : Coverage(character) i Education(character)"

##           v2
## v1         Bachelor College Doctor High School or Below Master
##   Basic        1527    1443    179                 1389    393
##   Extended      681     724    115                  720    200
##   Premium       222     202     19                  230     55
## [1] "El test de chi^2 entre Coverage i Education val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 17.431, df = 8, p-value = 0.02592
## 
## [1] "Informació sobre les variables : Coverage(character) i EmploymentStatus(character)"

##           v2
## v1         Disabled Employed Medical Leave Retired Unemployed
##   Basic         233     3090           246     146       1216
##   Extended       84     1518            98      90        650
##   Premium        40      471            32      10        175
## [1] "El test de chi^2 entre Coverage i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 25.321, df = 8, p-value = 0.001371
## 
## [1] "Informació sobre les variables : Coverage(character) i Gender(character)"

##           v2
## v1            F    M
##   Basic    2500 2431
##   Extended 1284 1156
##   Premium   380  348
## [1] "El test de chi^2 entre Coverage i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.614, df = 2, p-value = 0.2706
## 
## [1] "Informació sobre les variables : Coverage(character) i Income(integer)"

##    Basic Extended  Premium 
## 38380.47 36430.65 38942.26 
## [1] "Informació sobre les variables : Coverage(character) i Location.Code(character)"

##           v2
## v1         Rural Suburban Urban
##   Basic      998     3032   901
##   Extended   472     1551   417
##   Premium    128      515    85
## [1] "El test de chi^2 entre Coverage i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 27.418, df = 4, p-value = 1.636e-05
## 
## [1] "Informació sobre les variables : Coverage(character) i Marital.Status(character)"

##           v2
## v1         Divorced Married Single
##   Basic         741    2891   1299
##   Extended      367    1412    661
##   Premium       110     425    193
## [1] "El test de chi^2 entre Coverage i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.50835, df = 4, p-value = 0.9727
## 
## [1] "Informació sobre les variables : Coverage(character) i Monthly.Premium.Auto(integer)"

##    Basic Extended  Premium 
##  82.1592 103.4631 132.9258 
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Last.Claim(integer)"

##    Basic Extended  Premium 
## 14.91584 15.29959 15.36126 
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Policy.Inception(integer)"

##    Basic Extended  Premium 
## 48.00649 48.07049 49.36126 
## [1] "Informació sobre les variables : Coverage(character) i Number.of.Policies(integer)"

##    Basic Extended  Premium 
## 2.973839 2.966803 2.885989 
## [1] "Informació sobre les variables : Coverage(character) i Policy.Type(character)"

##           v2
## v1         Corporate Auto Personal Auto Special Auto
##   Basic              1026          3688          217
##   Extended            498          1824          118
##   Premium             158           541           29
## [1] "El test de chi^2 entre Coverage i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1.6334, df = 4, p-value = 0.8028
## 
## [1] "Informació sobre les variables : Coverage(character) i Total.Claim.Amount(numeric)"

##    Basic Extended  Premium 
## 376.4413 480.0071 641.4571 
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Class(character)"

##           v2
## v1         Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Basic             2478         85         86        260  970         1052
##   Extended          1254         42         58        131  465          490
##   Premium            378         18         22         45  130          135
## [1] "El test de chi^2 entre Coverage i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 14.821, df = 10, p-value = 0.1387
## 
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Size(character)"

##           v2
## v1         Large Medsize Small
##   Basic      503    3451   977
##   Extended   274    1698   468
##   Premium     66     522   140
## [1] "El test de chi^2 entre Coverage i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 3.7865, df = 4, p-value = 0.4357
## 
## [1] "Informació sobre les variables : Education(character) i EmploymentStatus(character)"

##                       v2
## v1                     Disabled Employed Medical Leave Retired Unemployed
##   Bachelor                  112     1515           111      77        615
##   College                    83     1472           126      88        600
##   Doctor                     21      227            15       1         49
##   High School or Below      104     1383            99      61        692
##   Master                     37      482            25      19         85
## [1] "El test de chi^2 entre Education i EmploymentStatus val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 118.31, df = 16, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Education(character) i Gender(character)"

##                       v2
## v1                        F    M
##   Bachelor             1269 1161
##   College              1212 1157
##   Doctor                153  160
##   High School or Below 1178 1161
##   Master                352  296
## [1] "El test de chi^2 entre Education i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 4.7253, df = 4, p-value = 0.3167
## 
## [1] "Informació sobre les variables : Education(character) i Income(integer)"

##             Bachelor              College               Doctor 
##             37546.09             37263.41             42575.69 
## High School or Below               Master 
##             36198.16             44733.27 
## [1] "Informació sobre les variables : Education(character) i Location.Code(character)"

##                       v2
## v1                     Rural Suburban Urban
##   Bachelor               482     1502   446
##   College                473     1481   415
##   Doctor                  93      141    79
##   High School or Below   333     1702   304
##   Master                 217      272   159
## [1] "El test de chi^2 entre Education i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 269.03, df = 8, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Education(character) i Marital.Status(character)"

##                       v2
## v1                     Divorced Married Single
##   Bachelor                  401    1388    641
##   College                   349    1371    649
##   Doctor                     55     216     42
##   High School or Below      290    1339    710
##   Master                    123     414    111
## [1] "El test de chi^2 entre Education i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 88.525, df = 8, p-value = 9.265e-16
## 
## [1] "Informació sobre les variables : Education(character) i Monthly.Premium.Auto(integer)"

##             Bachelor              College               Doctor 
##             92.32510             92.66188             91.33546 
## High School or Below               Master 
##             94.55537             93.71605 
## [1] "Informació sobre les variables : Education(character) i Months.Since.Last.Claim(integer)"

##             Bachelor              College               Doctor 
##             14.87037             15.45673             15.68690 
## High School or Below               Master 
##             14.84310             14.94444 
## [1] "Informació sobre les variables : Education(character) i Months.Since.Policy.Inception(integer)"

##             Bachelor              College               Doctor 
##             48.08354             48.00844             46.14377 
## High School or Below               Master 
##             47.96494             50.52315 
## [1] "Informació sobre les variables : Education(character) i Number.of.Policies(integer)"

##             Bachelor              College               Doctor 
##             2.960082             2.906712             3.083067 
## High School or Below               Master 
##             3.014536             2.945988 
## [1] "Informació sobre les variables : Education(character) i Policy.Type(character)"

##                       v2
## v1                     Corporate Auto Personal Auto Special Auto
##   Bachelor                        528          1800          102
##   College                         485          1769          115
##   Doctor                           54           247           12
##   High School or Below            493          1738          108
##   Master                          122           499           27
## [1] "El test de chi^2 entre Education i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 7.401, df = 8, p-value = 0.494
## 
## [1] "Informació sobre les variables : Education(character) i Total.Claim.Amount(numeric)"

##             Bachelor              College               Doctor 
##             425.1289             421.8992             341.0122 
## High School or Below               Master 
##             483.6468             345.5262 
## [1] "Informació sobre les variables : Education(character) i Vehicle.Class(character)"

##                       v2
## v1                     Four-Door Car Luxury Car Luxury SUV Sports Car  SUV
##   Bachelor                      1239         39         55        100  470
##   College                       1227         44         39        127  469
##   Doctor                         170          3          4         19   56
##   High School or Below          1156         49         53        145  449
##   Master                         318         10         15         45  121
##                       v2
## v1                     Two-Door Car
##   Bachelor                      527
##   College                       463
##   Doctor                         61
##   High School or Below          487
##   Master                        139
## [1] "El test de chi^2 entre Education i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 26.963, df = 20, p-value = 0.1363
## 
## [1] "Informació sobre les variables : Education(character) i Vehicle.Size(character)"

##                       v2
## v1                     Large Medsize Small
##   Bachelor               226    1735   469
##   College                246    1670   453
##   Doctor                  28     239    46
##   High School or Below   267    1597   475
##   Master                  76     430   142
## [1] "El test de chi^2 entre Education i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 18.262, df = 8, p-value = 0.01935
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Gender(character)"

##                v2
## v1                 F    M
##   Disabled       216  141
##   Employed      2632 2447
##   Medical Leave  185  191
##   Retired        116  130
##   Unemployed    1015 1026
## [1] "El test de chi^2 entre EmploymentStatus i Gender val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 16.985, df = 4, p-value = 0.001946
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Income(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      19966.58      56446.71      20307.16      20481.57          0.00 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Location.Code(character)"

##                v2
## v1              Rural Suburban Urban
##   Disabled         29      301    27
##   Employed       1436     2394  1249
##   Medical Leave    33      302    41
##   Retired           0      238     8
##   Unemployed      100     1863    78
## [1] "El test de chi^2 entre EmploymentStatus i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1488.1, df = 8, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Marital.Status(character)"

##                v2
## v1              Divorced Married Single
##   Disabled            88     226     43
##   Employed           797    3449    833
##   Medical Leave       58     251     67
##   Retired             91     104     51
##   Unemployed         184     698   1159
## [1] "El test de chi^2 entre EmploymentStatus i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1392.7, df = 8, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Monthly.Premium.Auto(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      93.31092      93.29494      90.38032      91.70732      93.40862 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Last.Claim(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      15.12325      15.01024      15.80851      14.33740      15.16756 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Policy.Inception(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      47.52661      47.86828      47.66755      48.28862      49.02254 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Number.of.Policies(integer)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      2.921569      2.970270      2.928191      2.569106      3.009309 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Policy.Type(character)"

##                v2
## v1              Corporate Auto Personal Auto Special Auto
##   Disabled                  72           267           18
##   Employed                1066          3788          225
##   Medical Leave             78           279           19
##   Retired                   48           187           11
##   Unemployed               418          1532           91
## [1] "El test de chi^2 entre EmploymentStatus i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1.1149, df = 8, p-value = 0.9974
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Total.Claim.Amount(numeric)"

##      Disabled      Employed Medical Leave       Retired    Unemployed 
##      469.9583      358.2145      474.9064      489.6367      591.9982 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Class(character)"
##                v2
## v1              Four-Door Car Luxury Car Luxury SUV Sports Car  SUV
##   Disabled                168          9          3         23   76
##   Employed               2601         99        110        262  944
##   Medical Leave           198          1          9         18   72
##   Retired                 119          0          6         20   51
##   Unemployed             1024         36         38        113  422
##                v2
## v1              Two-Door Car
##   Disabled                78
##   Employed              1063
##   Medical Leave           78
##   Retired                 50
##   Unemployed             408
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 26.763, df = 20, p-value = 0.1421
## 
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Size(character)"

##                v2
## v1              Large Medsize Small
##   Disabled         39     240    78
##   Employed        505    3588   986
##   Medical Leave    44     252    80
##   Retired          33     180    33
##   Unemployed      222    1411   408
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 12.578, df = 8, p-value = 0.1272
## 
## [1] "Informació sobre les variables : Gender(character) i Income(integer)"

##        F        M 
## 38258.44 37404.50 
## [1] "Informació sobre les variables : Gender(character) i Location.Code(character)"

##    v2
## v1  Rural Suburban Urban
##   F   901     2466   797
##   M   697     2632   606
## [1] "El test de chi^2 entre Gender i Location.Code val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 51.016, df = 2, p-value = 8.357e-12
## 
## [1] "Informació sobre les variables : Gender(character) i Marital.Status(character)"

##    v2
## v1  Divorced Married Single
##   F      635    2495   1034
##   M      583    2233   1119
## [1] "El test de chi^2 entre Gender i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 13.63, df = 2, p-value = 0.001097
## 
## [1] "Informació sobre les variables : Gender(character) i Monthly.Premium.Auto(integer)"

##        F        M 
## 92.96230 93.32961 
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Last.Claim(integer)"

##        F        M 
## 14.84078 15.31563 
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Policy.Inception(integer)"

##        F        M 
## 48.11695 48.17992 
## [1] "Informació sobre les variables : Gender(character) i Number.of.Policies(integer)"

##        F        M 
## 2.931316 2.998221 
## [1] "Informació sobre les variables : Gender(character) i Policy.Type(character)"

##    v2
## v1  Corporate Auto Personal Auto Special Auto
##   F            864          3107          193
##   M            818          2946          171
## [1] "El test de chi^2 entre Gender i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 0.39535, df = 2, p-value = 0.8206
## 
## [1] "Informació sobre les variables : Gender(character) i Total.Claim.Amount(numeric)"

##        F        M 
## 411.8942 452.1735 
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Class(character)"

##    v2
## v1  Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   F          2161         66         75        219  808          835
##   M          1949         79         91        217  757          842
## [1] "El test de chi^2 entre Gender i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 8.8754, df = 5, p-value = 0.1141
## 
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Size(character)"

##    v2
## v1  Large Medsize Small
##   F   454    2867   843
##   M   389    2804   742
## [1] "El test de chi^2 entre Gender i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 5.6772, df = 2, p-value = 0.05851
## 
## [1] "Informació sobre les variables : Income(integer) i Location.Code(character)"

##        F        M 
## 411.8942 452.1735 
## [1] "Informació sobre les variables : Income(integer) i Marital.Status(character)"

##        F        M 
## 411.8942 452.1735 
## [1] "Informació sobre les variables : Income(integer) i Monthly.Premium.Auto(integer)"

## [1] "La correlació entre Income i Monthly.Premium.Auto és de: -0.0120274134455981"
## [1] "La covariancia entre Income i Monthly.Premium.Auto és de: -12558.7214697191"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Income i Months.Since.Last.Claim és de: -0.0251534441694549"
## [1] "La covariancia entre Income i Months.Since.Last.Claim és de: -7705.43963068353"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Income i Months.Since.Policy.Inception és de: -0.0021633240844627"
## [1] "La covariancia entre Income i Months.Since.Policy.Inception és de: -1827.72924133678"
## [1] "Informació sobre les variables : Income(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Income i Number.of.Policies és de: -0.0108765225149995"
## [1] "La covariancia entre Income i Number.of.Policies és de: -789.597126504798"
## [1] "Informació sobre les variables : Income(integer) i Policy.Type(character)"

##        F        M 
## 411.8942 452.1735 
## [1] "Informació sobre les variables : Income(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Income i Total.Claim.Amount és de: -0.351489890433005"
## [1] "La covariancia entre Income i Total.Claim.Amount és de: -3060572.89585018"
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Class(character)"

##        F        M 
## 411.8942 452.1735 
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Size(character)"

##        F        M 
## 411.8942 452.1735 
## [1] "Informació sobre les variables : Location.Code(character) i Marital.Status(character)"

##           v2
## v1         Divorced Married Single
##   Rural         263    1098    237
##   Suburban      769    2622   1707
##   Urban         186    1008    209
## [1] "El test de chi^2 entre Location.Code i Marital.Status val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 366.48, df = 4, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Location.Code(character) i Monthly.Premium.Auto(integer)"

##    Rural Suburban    Urban 
## 89.63267 95.09043 90.05203 
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Last.Claim(integer)"

##    Rural Suburban    Urban 
## 15.43054 15.01334 14.87384 
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Policy.Inception(integer)"

##    Rural Suburban    Urban 
## 48.32854 47.77913 49.28011 
## [1] "Informació sobre les variables : Location.Code(character) i Number.of.Policies(integer)"

##    Rural Suburban    Urban 
## 2.987484 2.948803 2.991447 
## [1] "Informació sobre les variables : Location.Code(character) i Policy.Type(character)"

##           v2
## v1         Corporate Auto Personal Auto Special Auto
##   Rural               353          1177           68
##   Suburban           1048          3823          227
##   Urban               281          1053           69
## [1] "El test de chi^2 entre Location.Code i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 2.9198, df = 4, p-value = 0.5713
## 
## [1] "Informació sobre les variables : Location.Code(character) i Total.Claim.Amount(numeric)"

##    Rural Suburban    Urban 
## 109.8456 559.6176 332.1216 
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Class(character)"

##           v2
## v1         Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Rural              860         16         23         95  263          341
##   Suburban          2517        112        122        279 1019         1049
##   Urban              733         17         21         62  283          287
## [1] "El test de chi^2 entre Location.Code i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 38.612, df = 10, p-value = 2.968e-05
## 
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Size(character)"

##           v2
## v1         Large Medsize Small
##   Rural      186    1246   166
##   Suburban   534    3299  1265
##   Urban      123    1126   154
## [1] "El test de chi^2 entre Location.Code i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 255.34, df = 4, p-value < 2.2e-16
## 
## [1] "Informació sobre les variables : Marital.Status(character) i Monthly.Premium.Auto(integer)"

## Divorced  Married   Single 
## 92.66749 93.06620 93.57222 
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Last.Claim(integer)"

## Divorced  Married   Single 
## 14.78571 15.18359 14.98699 
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Policy.Inception(integer)"

## Divorced  Married   Single 
## 49.82677 48.05964 47.39062 
## [1] "Informació sobre les variables : Marital.Status(character) i Number.of.Policies(integer)"

## Divorced  Married   Single 
## 2.836617 2.996404 2.964236 
## [1] "Informació sobre les variables : Marital.Status(character) i Policy.Type(character)"

##           v2
## v1         Corporate Auto Personal Auto Special Auto
##   Divorced            270           904           44
##   Married             967          3547          214
##   Single              445          1602          106
## [1] "El test de chi^2 entre Marital.Status i Policy.Type val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 4.5111, df = 4, p-value = 0.3412
## 
## [1] "Informació sobre les variables : Marital.Status(character) i Total.Claim.Amount(numeric)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Class(character)"

##           v2
## v1         Four-Door Car Luxury Car Luxury SUV Sports Car  SUV Two-Door Car
##   Divorced           665         11         32         63  225          222
##   Married           2363         84         88        255  940          998
##   Single            1082         50         46        118  400          457
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 22.098, df = 10, p-value = 0.01461
## 
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Size(character)"

##           v2
## v1         Large Medsize Small
##   Divorced   120     863   235
##   Married    539    3272   917
##   Single     184    1536   433
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 13.554, df = 4, p-value = 0.008863
## 
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 0.00581007341307383"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 2.01488034693903"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 0.0267233024305999"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 25.5592484624164"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Number.of.Policies és de: -0.0081676883183592"
## [1] "La covariancia entre Monthly.Premium.Auto i Number.of.Policies és de: -0.671246958674011"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Monthly.Premium.Auto i Total.Claim.Amount és de: 0.626811413613633"
## [1] "La covariancia entre Monthly.Premium.Auto i Total.Claim.Amount és de: 6178.6623675873"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -0.0389548373012839"
## [1] "La covariancia entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -10.9306533610024"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Months.Since.Last.Claim i Number.of.Policies és de: 0.00981286204530821"
## [1] "La covariancia entre Months.Since.Last.Claim i Number.of.Policies és de: 0.236595043230611"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Months.Since.Last.Claim i Total.Claim.Amount és de: 0.00811556722525029"
## [1] "La covariancia entre Months.Since.Last.Claim i Total.Claim.Amount és de: 23.4694667178421"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Months.Since.Policy.Inception i Number.of.Policies és de: -0.01719950192765"
## [1] "La covariancia entre Months.Since.Policy.Inception i Number.of.Policies és de: -1.1437105605731"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 0.0108081693548765"
## [1] "La covariancia entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 86.2038763531793"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Policy.Type(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Number.of.Policies i Total.Claim.Amount és de: -0.00477505917478827"
## [1] "La covariancia entre Number.of.Policies i Total.Claim.Amount és de: -3.27249230052346"
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Class(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Size(character)"

## Divorced  Married   Single 
## 400.3626 384.6935 551.7686 
## [1] "Informació sobre les variables : Policy.Type(character) i Total.Claim.Amount(numeric)"

## Corporate Auto  Personal Auto   Special Auto 
##       424.3580       432.5437       446.3550 
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Class(character)"

##                 v2
## v1               Four-Door Car Luxury Car Luxury SUV Sports Car  SUV
##   Corporate Auto           844         33         29         91  329
##   Personal Auto           3075        105        131        320 1166
##   Special Auto             191          7          6         25   70
##                 v2
## v1               Two-Door Car
##   Corporate Auto          356
##   Personal Auto          1256
##   Special Auto             65
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Class val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 5.5482, df = 10, p-value = 0.8517
## 
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Size(character)"

##                 v2
## v1               Large Medsize Small
##   Corporate Auto   169    1190   323
##   Personal Auto    639    4231  1183
##   Special Auto      35     250    79
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 1.7559, df = 4, p-value = 0.7805
## 
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Class(character)"

## Corporate Auto  Personal Auto   Special Auto 
##       424.3580       432.5437       446.3550 
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Size(character)"

## Corporate Auto  Personal Auto   Special Auto 
##       424.3580       432.5437       446.3550 
## [1] "Informació sobre les variables : Vehicle.Class(character) i Vehicle.Size(character)"

##                v2
## v1              Large Medsize Small
##   Four-Door Car   424    2861   825
##   Luxury Car       16      90    39
##   Luxury SUV       13     118    35
##   Sports Car       45     331    60
##   SUV             149    1136   280
##   Two-Door Car    196    1135   346
## [1] "El test de chi^2 entre Vehicle.Class i Vehicle.Size val: "
## 
##  Pearson's Chi-squared test
## 
## data:  v1 and v2
## X-squared = 26.795, df = 10, p-value = 0.002806